1. Introduction
En avril 2020, la Commission européenne (CE) a demandé aux opérateurs de réseaux mobiles européens (ORM) de partager des données de mobilité entièrement anonymisées et agrégées afin de soutenir la lutte contre le COVID-19 (Commission européenne, 2020a, Commission européenne, 2020b) avec des données basées sur les données. preuve.
La valeur des données personnelles de positionnement mobile pour décrire la mobilité humaine a été explorée (Csáji et al., 2013) et son potentiel dans les études épidémiologiques démontré (Wesolowski et al., 2012, Jia et al., 2020, WU et al., 2020 , Kraemer et al., 2020) dans la littérature.
La nouvelle initiative entre la Commission et les ORM européens repose sur l’efficacité de l’utilisation de données de positionnement mobile entièrement anonymisées et agrégées conformément aux « lignes directrices sur l’utilisation des données de localisation et des outils de recherche des contacts dans le contexte de l’épidémie de COVID-19 » par le Comité européen de la protection des données (EDPB, 04/2020).
Ce travail présente une façon innovante de cartographier la mobilité humaine naturelle grâce à des données mobiles entièrement anonymisées et agrégées. Les cartes montrant la mobilité naturelle sont basées sur les schémas habituels de mobilité des citoyens et peuvent être comparées aux cartes des zones administratives.
En effet, la cartographie des schémas de mobilité humaine a une longue tradition dans la géographie des établissements humains, l’urbanisme et l’élaboration des politiques. L’idée derrière les schémas de mobilité est l’identification d’un réseau de mouvements entrants et sortants agrégés à travers des structures spatiales pour une échelle de temps donnée (par exemple, quotidiennement, intra-hebdomadaire, saisonnier, etc.) en fonction des domaines d’utilisation. Ces modèles ont été appelés de plusieurs façons; la liste suivante ne comprend que quelques variantes du même concept:
– « régions de navettage »: identification des régions relativement fermées de déplacements quotidiens de la population résidante sur la base des données de navettage issues des recensements (Casado-Díaz, 2000,
Van der Laan, 1998).
– «régions fonctionnelles»: un outil utilisé pour cibler des domaines de politiques nationales et européennes spécifiques (OCDE, 2002). Il existe plusieurs domaines naturels d’application des régions fonctionnelles, notamment les politiques de l’emploi et des transports, les formes spatiales écologiquement durables, les réformes des régions administratives, le niveau stratégique de la planification urbaine et régionale et un large éventail d’analyses géographiques (migration, régionalisation, hiérarchisation du système de peuplement) ( Andersen, 2002, Ball, 1980, Casado-Díaz, 2000, Van der Laan, 1998).
– « zones urbaines fonctionnelles »: les villes avec leur zone de navettage (Eurostat, 2106, Dijkstra et al., 2019). Ils sont généralement identifiés par une ville densément peuplée, ainsi qu’une zone de navettage moins densément peuplée dont le marché du travail est fortement intégré à celui de la ville.
– «régions fonctionnelles qui se chevauchent» (Killer et Axhausen, 2010).
Les sources de données les plus courantes pour les études susmentionnées sont de loin les recensements de la population et les enquêtes pilotes ad hoc.
Cette étude propose une méthode alternative pour définir des régions spatiales hautement interconnectées (c’est-à-dire former des sous-réseaux denses); seules les données de mobilité entièrement anonymisées et agrégées sont utilisées à cette fin. Les régions axées sur les données identifiées par la méthode proposée sont appelées «aires fonctionnelles de mobilité» (AMF).
Bien que les données mobiles aient été utilisées dans le passé dans une étude pilote sur la mobilité en Estonie (Novak et al., 2013), la présente étude adopte une nouvelle technique pour définir les zones fonctionnelles de mobilité (AMF), qui est basée uniquement sur des données agrégées et étend la recherche à 15 pays européens (14 États membres: Autriche, Belgique, Bulgarie, Tchéquie, Danemark, Estonie, Espagne, Finlande, France, Grèce, Croatie, Italie, Suède, Slovénie et Norvège).
Dans une perspective d’élaboration des politiques, en particulier en ce qui concerne la pandémie de COVID-19, les informations issues de cette analyse peuvent aider les gouvernements et les autorités à différents niveaux:
a) limiter tous les mouvements non essentiels dans des zones géographiques spécifiques, en particulier dans la phase initiale d’une future épidémie de virus, pour limiter la propagation tout en limitant également l’impact économique de ces mesures en dehors de l’AMF;
b) d’appliquer différentes politiques de distanciation physique dans différents domaines, en fonction de leur situation épidémiologique spécifique.
En l’absence de toute autre information, la plupart des gouvernements sont obligés d’utiliser des zones administratives, telles que les régions, les provinces et les municipalités pour imposer des mesures physiques de distance et des restrictions de mobilité. Néanmoins, les limites administratives sont statiques et ne reflètent pas la mobilité réelle. En revanche, tant la propagation potentielle du virus que l’économie territoriale dépendent fortement de la mobilité locale (Iacus et al., 2020).
Bien que ces aspects ne puissent pas être pris en compte dans ce travail, l’hypothèse est que la mise en œuvre de différentes stratégies de distanciation physique (telles que les fermetures d’écoles ou d’autres limitations de la mobilité humaine) basées sur l’AMF au lieu des frontières administratives pourrait conduire à un meilleur équilibre entre les attentes effet positif sur la santé publique et retombées socio-économiques négatives pour le pays. Malgré les avantages potentiels évidents, il convient de noter que, bien que les zones administratives (limites strictes) soient bien reconnues par les citoyens et facilitent la mise en œuvre par les administrations de restrictions physiques de la distance et de la mobilité, des efforts de coordination supplémentaires seraient nécessaires pour appliquer ces limitations sur la base AMF.
Ce travail est organisé comme suit. La section 2 décrit les sources de données utilisées dans l’analyse. La section 3 explique en détail le concept des AMF et, avec la section 4, décrit l’approche méthodologique pour identifier les mesures avant et après le verrouillage des AMF; l’évolution dans le temps des AMF est présentée à travers une étude de cas pour l’Espagne. La section 5 est un examen rapide des résultats pour chacun des 14 pays restants considérés et enfin la section 6 montre une vue d’ensemble des AMF à travers l’Europe (15 pays analysés).
